增强朴素贝叶斯（ComplementNB）使用文档
| 组件名称 | 增强朴素贝叶斯（ComplementNB） | ||
|---|---|---|---|
| 工具集 | 机器学习 | ||
| 组件作者 | 雪浪云-墨文 | ||
| 文档版本 | 1.0 | ||
| 功能 | 增强朴素贝叶斯（ComplementNB）算法 | ||
| 镜像名称 | ml_components:3 | ||
| 开发语言 | Python |
组件原理
贝叶斯网络(Bayesian network)，又称信念网络(Belief Network)，或有向无环图模(directed acyclic graphical model)，是一种概率图模型。贝叶斯网络中的有向无环图的节点表示随机变量，父节点表示条件，子节点表示结果。两个节点间的箭头连接对应一个概率值。而朴素贝叶斯网络模型作为贝叶斯网络的一个特殊表示，认为子节点对应的属性都是相互独立的，其网络图如下所示，其中A1，A2等表示C的各个属性：
增强朴素贝叶斯网络作为朴素贝叶斯网络的改进模型，假设属性对应的各个节点之间不一定相互独立的。图中的虚线表示的是朴素贝叶斯分类器，实线表示的是相关属性之间的关联。
增强朴素贝叶斯网络中，在Z已知的情况下，Y可以提供给X的信息（如上图中的C提供给Age的信息），这里用互信息表示，如下所示：
相比较于朴素贝叶斯而言，TAN保持了计算的复杂度和鲁棒性，但是有更好的准确率。可应用于医疗诊断等。
输入桩
支持单个csv文件输入。
输入端子1
- 端口名称：训练数据
- 输入类型：Csv文件
- 功能描述： 输入用于训练的数据
输出桩
支持sklearn模型输出。
输出端子1
- 端口名称：输出模型
- 输出类型：sklearn模型
- 功能描述： 输出训练好的模型用于预测
参数配置
平滑参数
- 功能描述：加性(拉普拉斯/利德斯通)平滑参数，0代表不进行平滑操作
- 必选参数：是
- 默认值：1
计算先验概率
- 功能描述：是否计算训练数据中，标签列中类的先验概率
- 必选参数：是
- 默认值：true
类别的先验概率
- 功能描述：以逗号分隔
- 必选参数：否
- 默认值：（无）
是否进行权重二次归一化
- 功能描述：是否对已经计算出来的权重，进行第二次归一化操作
- 必选参数：是
- 默认值：false
需要训练
- 功能描述：该模型是否需要训练，默认为需要训练。
- 必选参数：是
- 默认值：true
特征字段
- 功能描述：特征字段
- 必选参数：是
- 默认值：（无）
识别字段
- 功能描述：识别字段
- 必选参数：是
- 默认值：（无）
使用方法
- 将组件拖入到项目中
- 与前一个组件输出的端口连接（必须是csv类型）
- 点击运行该节点
